自适应水平集方法乳腺超声肿块分割应用

针对超声成像固有的噪声大、伪影斑点多、对比度低等特点,在利用CV和LBF模型优点的基础上,融合了动态变化制导的全局信息和局部信息,在能量泛函演化过程中,全局信息项和局部信息项的权重系数实时变化调整。实验结果表明,与两种已有模型相比,该方法能够较好地处理灰度非匀质乳腺超声图像的肿块病灶分割问题,分割准确性和病灶边缘细节处理更好,分割速度较快,临床适用性更强。

先验约束水平集方法提取乳腺超声病灶

超声图像自动分割技术具有重要的应用价值,同时面临很大挑战。本文针对乳腺超声图像局部分割需求,通过区域生长法自动快速提取初始分割区域作为水平集的初始条件,实现先验区域约束的作用,显著提高分割准确度;基于CV模型进行全局信息和区域信息的拟合,提高了弱边界的定位准确度;增加速度能量项,使零水平集更快地收敛在边界处;对经典水平集模型的一些能量项进行删减调整,以降低计算复杂度。分割实验结果表明,本文方法能够较为准确快速地实现病灶分割,有一定的临床辅助价值。